基于R-CNN的目標(biāo)檢測(cè)在防止跑道侵入中的應(yīng)用研究
發(fā)布時(shí)間:2024-07-01 22:22
跑道作為一次航空器運(yùn)行的開(kāi)始和結(jié)束設(shè)施,其安全是民航安全問(wèn)題中最重要的一環(huán)。隨著飛行流量的迅速增加,跑道侵入問(wèn)題成為必須解決的安全問(wèn)題,僅僅依人防無(wú)法有效避免跑道侵入發(fā)生,迫切需要通過(guò)技術(shù)手段防止跑道侵入發(fā)生。針對(duì)防止跑道侵入手段的自動(dòng)化問(wèn)題,本文提出了一種基于深度學(xué)習(xí)圖像目標(biāo)識(shí)別算法的防止跑道入侵系統(tǒng),重點(diǎn)研究深度學(xué)習(xí)目標(biāo)識(shí)別算法對(duì)圖像中目標(biāo)對(duì)象識(shí)別準(zhǔn)確率,同時(shí)研究了機(jī)場(chǎng)攝像頭布局問(wèn)題,以及根據(jù)檢測(cè)結(jié)果判斷跑道侵入的邏輯設(shè)計(jì)。本文研究工作的重點(diǎn)如下。首先,對(duì)基于深度學(xué)習(xí)的圖像檢測(cè)算法進(jìn)行了對(duì)比,根據(jù)對(duì)比結(jié)果選擇了最新的Mask R-CNN算法作為本文的核心檢測(cè)算法,詳細(xì)解釋了Mask R-CNN的算法原理,為提升算法的專用性、識(shí)別準(zhǔn)確性以及實(shí)時(shí)性,在該算法訓(xùn)練所得的權(quán)重基礎(chǔ)上利用遷移學(xué)習(xí),對(duì)自建的機(jī)場(chǎng)目標(biāo)數(shù)據(jù)集進(jìn)行訓(xùn)練,提升了算法對(duì)機(jī)場(chǎng)特定目標(biāo)的檢測(cè)準(zhǔn)確率。其次,提出具體的目標(biāo)檢測(cè)硬件設(shè)備的布局方法和選擇依據(jù),針對(duì)機(jī)場(chǎng)中不同跑道的參數(shù),設(shè)計(jì)了攝像頭的布局方法,在保證目標(biāo)識(shí)別準(zhǔn)確率的基礎(chǔ)上,對(duì)檢測(cè)結(jié)果進(jìn)行匯總分析,判斷航空器的相對(duì)位置,設(shè)計(jì)了一種數(shù)字邏輯電路完成對(duì)跑道侵入事件的判定。最...
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 防止跑道侵入研究現(xiàn)狀
1.2.2 深度學(xué)習(xí)在目標(biāo)檢測(cè)中的研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容
1.4 本章小結(jié)
第二章 跑道侵入概述
2.1 跑道侵入定義
2.2 跑道侵入類型
2.3 影響跑道侵入的因素
2.4 防止跑道侵入系統(tǒng)需求
2.4.1 防止跑道侵入檢測(cè)需求
2.4.2 防止跑道侵入告警需求
2.5 防止跑道侵入系統(tǒng)總體框架
2.6 本章小結(jié)
第三章 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法
3.1 卷積神經(jīng)網(wǎng)絡(luò)基本網(wǎng)絡(luò)結(jié)構(gòu)
3.2 目標(biāo)檢測(cè)算法
3.2.1 R-CNN目標(biāo)檢測(cè)算法
3.2.2 Fast R-CNN目標(biāo)檢測(cè)算法
3.2.3 Faster R-CNN目標(biāo)檢測(cè)算法
3.2.4 Mask R-CNN結(jié)構(gòu)
3.3 模型對(duì)航空器識(shí)別驗(yàn)證
3.3.1 數(shù)據(jù)集
3.3.2 目標(biāo)識(shí)別模型檢測(cè)結(jié)果
3.4 本章小結(jié)
第四章 目標(biāo)檢測(cè)防止跑道侵入模型
4.1 地面保護(hù)區(qū)預(yù)警
4.2 攝像頭布局研究
4.2.1 攝像頭視野判定
4.2.2 攝像頭布局方案研究
4.3 數(shù)據(jù)關(guān)聯(lián)
4.3.1 Kalman濾波
4.3.2 Deep SORT算法
4.4 跑道侵入告警裝置
4.5 本章小結(jié)
第五章 基于目標(biāo)檢測(cè)的防跑道侵入系統(tǒng)設(shè)計(jì)與驗(yàn)證
5.1 實(shí)驗(yàn)硬件環(huán)境
5.2 系統(tǒng)設(shè)計(jì)
5.2.1 系統(tǒng)UI設(shè)計(jì)
5.2.2 防跑道侵入邏輯電路調(diào)試
5.2.3 告警信號(hào)展示
5.3 實(shí)驗(yàn)結(jié)果及分析
5.4 本章小結(jié)
總結(jié)與展望
本文總結(jié)
未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號(hào):3999272
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 防止跑道侵入研究現(xiàn)狀
1.2.2 深度學(xué)習(xí)在目標(biāo)檢測(cè)中的研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容
1.4 本章小結(jié)
第二章 跑道侵入概述
2.1 跑道侵入定義
2.2 跑道侵入類型
2.3 影響跑道侵入的因素
2.4 防止跑道侵入系統(tǒng)需求
2.4.1 防止跑道侵入檢測(cè)需求
2.4.2 防止跑道侵入告警需求
2.5 防止跑道侵入系統(tǒng)總體框架
2.6 本章小結(jié)
第三章 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法
3.1 卷積神經(jīng)網(wǎng)絡(luò)基本網(wǎng)絡(luò)結(jié)構(gòu)
3.2 目標(biāo)檢測(cè)算法
3.2.1 R-CNN目標(biāo)檢測(cè)算法
3.2.2 Fast R-CNN目標(biāo)檢測(cè)算法
3.2.3 Faster R-CNN目標(biāo)檢測(cè)算法
3.2.4 Mask R-CNN結(jié)構(gòu)
3.3 模型對(duì)航空器識(shí)別驗(yàn)證
3.3.1 數(shù)據(jù)集
3.3.2 目標(biāo)識(shí)別模型檢測(cè)結(jié)果
3.4 本章小結(jié)
第四章 目標(biāo)檢測(cè)防止跑道侵入模型
4.1 地面保護(hù)區(qū)預(yù)警
4.2 攝像頭布局研究
4.2.1 攝像頭視野判定
4.2.2 攝像頭布局方案研究
4.3 數(shù)據(jù)關(guān)聯(lián)
4.3.1 Kalman濾波
4.3.2 Deep SORT算法
4.4 跑道侵入告警裝置
4.5 本章小結(jié)
第五章 基于目標(biāo)檢測(cè)的防跑道侵入系統(tǒng)設(shè)計(jì)與驗(yàn)證
5.1 實(shí)驗(yàn)硬件環(huán)境
5.2 系統(tǒng)設(shè)計(jì)
5.2.1 系統(tǒng)UI設(shè)計(jì)
5.2.2 防跑道侵入邏輯電路調(diào)試
5.2.3 告警信號(hào)展示
5.3 實(shí)驗(yàn)結(jié)果及分析
5.4 本章小結(jié)
總結(jié)與展望
本文總結(jié)
未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號(hào):3999272
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3999272.html
最近更新
教材專著